更新了不同的问题描述。我之前的问题建议的双向路径跟踪不是一种选择。
我有一个使用 OpenCL 进行一些计算（物理模拟）的 Monte Carlo 代码。主机代码是用 Python 和 PyOpenCL 编写的。OpenCL 内核的最终结果是图像（检测器数据）的坐标元组（x,y 位置 + 强度/灰度值）。我有 3 个向量/一维数组（x 位置、y 位置和灰度值各一个）。每个一维数组大约有 1e6 到 1e8 个整数，其中 x,y 是整数，灰度值浮动。要创建的图像是几个 1000x1000 像素（1e6 到 1e7 像素）。
最终，我需要在每次运行时创建多个图像（每个图像具有不同的坐标元组），因此效率和低内存使用变得很重要。
从这些数据生成二维数组或图像的最快方法是什么？对同一位置 (x,y) 的多次写入确实发生了，我找不到一个好的解决方案来并行或在模拟期间执行此操作（因为可能同时写入图像中的同一位置）。
我目前所做的是将 3 个向量/一维数组复制回主机，并使用内联 C 函数在主机上串行生成图像。
代码中最耗时的部分是为 3 个一维数组创建输出缓冲区数组，然后在内核完成后从设备复制到主机。如果我可以：
i）将数据保存在设备上并使用第二个内核（经过测试，但如果串行完成会非常慢）
生成图像，或者我可以在内核中生成图像正在运行，因此总体上摆脱了 1D 数组。
ii) 是首选，但我不知道该怎么做。write_image 是否识别多个工作项是否要写入同一个数组索引？
我已经测试并行化 i) 通过为两个工作组生成 2 个独立的 2D 图像数组，每个工作组有 1 个工作项，每个项迭代超过 1D 向量的一半（工作），但是对于更多工作项和独立图像，创建额外的开销2D 数组耗时太长并且消耗太多内存。
任何想法表示赞赏。